40、机器学习与相关技术应用综述

机器学习与相关技术应用综述

1. 机器学习基础理论与方法

机器学习领域涵盖了众多基础理论与方法。其中回归分析方面，有多种不同类型的回归方法。多线性回归方面，P. Wang等人提出了基于多线性回归的生物医学混合多标签分类器hMuLab。相关在线资源“Multiple linear regression”（http://www.stat.yale.edu/Courses/1997 - 98/101/linmult.htm）也提供了多线性回归的知识。多元自适应回归样条在全局优化和数组插值中得到应用，如S. Crino等人将其用于全局优化，M. A. M. Marinho等人应用于数组插值。

贝叶斯回归也是重要的回归方法之一，B. Saha等人采用贝叶斯回归和状态估计的综合方法进行电池健康监测。有相关在线视频“Bayesian linear regression”（https://www.youtube.com/watch?v=d1iIUtnDngg&t=275s）和笔记（http://web.cse.ohio - state.edu/~kulis/teaching/788_sp12/scribe_notes/lecture5.pdf）可供学习。

逻辑回归在多标签分类和客户流失预测等方面有应用，C. P. Prathibhamol等人基于逻辑回归进行多标签分类，P. K. Dalvi等人使用决策树和逻辑回归分析电信行业的客户流失预测。相关在线资源“Logistic regression”（https://www.stat.cmu.edu/~cshalizi/uADA/12/lectures/ch12.pdf和https://www.youtube.com/watch?v=-Z2a